구글 리서치와 테크니온 연구진에 따르면 GPT-5, Gemini-3 같은 프론티어 모델은 테스트된 사실의 95~98%를 파라미터에 인코딩하고 있지만, 할루시네이션의 상당 부분은 지식 부재가 아니라 회상 실패 때문인 것으로 나타났다. 연구진은 질문 단위 정답률 대신 '사실 단위 프로파일링'을 제안하며, 지식을 직접 회상·인코딩 실패·회상 실패·생각을 통한 회상·인코딩 없는 추론 등 다섯 가지 유형으로 구분했다. 체인오브소트 같은 추론 시간 연산을 활용하면 모델이 이미 인코딩했지만 직접 접근하지 못하는 사실을 다시 찾아내는 '회상 촉진'이 가능하다는 점도 확인됐다.
투자 금액·기업가치는 원문에 적힌 표기를 그대로 옮겼으며 통화를 환산하지 않았습니다. 이 색인은 투자 자문이 아닙니다. 표지 사진은 기사 속 기업·인물이 아니라 분야 이미지입니다.




